本发明公开了一种电子元器件质量检测系统，该系统包括：图像获取模块、图像筛选模块、电子元器件分类模块、图像处理模块和缺陷检测模块。通过图像获取模块对待检测电子元器件的图像进行采集，通过图像筛选模块筛选出图像质量最佳的图像，并对其进行处理，通过处理后的图像获取待检测电子元器件的类型，根据确定好的类型调取云服务器中预存储该类型电子元器件的缺陷数据，进而实现对待检测电子元器件的缺陷检测，该系统更加方便快捷，无需将提取到的待检测电子元器件的特征数据与预存储的每一类型电子元器件的缺陷数据进行比对，大大缩减了缺陷检测的时间，提高了质量检测的效率，也减少了人工识别的错误。
1.一种电子元器件质量检测系统，其特征在于，包括：图像获取模块、图像筛选模块、电子元器件分类模块、图像处理模块和缺陷检测模块；
所述图像获取模块，被配置为：获取待检测电子元器件的多张原始图像，并将其传输至所述图像筛选模块；
所述图像筛选模块，被配置为：对接收到的多张原始图像进行质量评价，选取图像质量最佳的原始图像并分别发送至所述电子元器件分类模块和图像处理模块；
所述电子元器件分类模块，被配置为：从接收到的原始图像中提取所述待检测电子元器件的轮廓信息，并将其与预存储的各类型电子元器件的标准轮廓信息进行比对，确定所述待检测电子元器件所属的类型；
所述图像处理模块，被配置为：对接收到的原始图像进行降噪处理，并从降噪后的原始图像中提取描述所述待检测电子元器件的特征数据；
所述缺陷检测模块，被配置为：调取预存储的、与所述待检测电子元器件类型相应的缺陷数据，并根据调取的缺陷数据对已提取到的所述待检测电子元器件的特征数据进行识别，判断所述待检测电子元器件是否存在缺陷以及若存在缺陷时其对应的缺陷类型；
(1)将原始图像X转换为灰度图像X’，并采用高斯模型的低通滤波器对所述灰度图像X’进行滤波，得到滤波后的图像，并将所述滤波后的图像作为参考图像Y；
(2)将所述灰度图像X’和参考图像Y分别划分成A×B大小的图像块，将所述灰度图像X’的图像块记为：xk(k＝1,2,...,K),将所述参考图像Y的图像块记为：yk(k＝1,2,...,K)，其中，K为图像块的个数；图像块xk的灰度值均值和标准方差的计算公式为：式中， 为图像块xk灰度值均值， 为图像块xk中坐标为(a,b)处像素点的灰度值， 为图像块xk的标准方差；同理计算所述灰度图像X’和参考图像Y中所有图像块的灰度值均值和标准方差；
(3)根据得到的所述灰度图像X’和参考图像Y中所有图像块的灰度值均值和标准方差，利用下式计算所述灰度图像X’的图像质量评分值：式中，ρX'为所述灰度图像X’的图像质量评分值，其可用来表征原始图像X的图像质量评分值；
所述的从接收到的原始图像中提取所述待检测电子元器件的轮廓信息，并将其与预存储的各类型电子元器件的标准轮廓信息进行比对，确定所述待检测电子元器件所属的类型，包括：(1)对接收到的原始图像进行图像分割，去除背景图像，得到只包含待检测电子元器件的目标图像；
(2)将得到的目标图像进行归一化处理，以将其调整到预设的标准尺寸大小，并从中提取所述待检测电子元器件的轮廓信息，所述轮廓信息包括：待检测电子元件边缘点的曲率值；
(3)将提取到的所述待检测电子元器件的轮廓信息与预存储的各类型电子元器件的标准轮廓信息进行比对，确定待检测电子元器件所属的类型；
(1)将接收到的原始图像进行灰度化处理，并将其划分为多个大小为S×T的图像块；
(2)对每个图像块进行阈值分割，其中，其图像块的阈值计算公式为：
当 该像素点为目标图像的像素点，反之，该像素点为背景图像的像素
式中， 为第r1行第r2列的图像块的最优阈值，Th0为预设的全局分割阈值，为第r1行第r2列的图像块中第s行第t列处像素点的灰度值， 为第r1行第r2列的图像块的平均灰度值， 为第r1行第r2列的图像块的灰度值的方差，σ0为灰度化后的原始图像的灰度值的方差， 为第r1行第r2列的图像块的灰度值均值，u0为灰度化后的原始图像的灰度值均值，α、β为大于零的权重因子，其满足α+β＝1；
(3)获取所有目标图像的像素点，所述目标图像的像素点构成的集合即为目标图像。
2.根据权利要求1所述的电子元器件质量检测系统，其特征在于，还包括：与所述电子元器件分类模块和缺陷检测模块通信连接的云服务器，所述云服务器中预存有各类型电子元器件的标准轮廓信息以及其对应的各类缺陷数据；
所述云服务器还用于存储所述电子元器件分类模块的分类结果。
3.根据权利要求1所述的电子元器件质量检测系统，其特征在于，还包括与所述缺陷检测模块通信连接的终端设备，所述终端设备被配置为：用来接收所述缺陷检测模块的检测结果，以便于质检人员及时了解待检测电子元器件是否存在缺陷以及若存在缺陷时其对应的缺陷类型。
4.根据权利要求1所述的电子元器件质量检测系统，其特征在于，所述的图像获取模块为图像传感器，和/或，CCD摄像机。
一种电子元器件质量检测系统
技术领域
[0001] 本发明涉及质量检测技术领域，具体涉及一种电子元器件质量检测系统。
背景技术
[0002] 随着现代科学技术的发展，越来越多的领域变得更加智能化，各种新型电子设备层出不穷，因此对电子元器件的需求量不断上涨，生产商对其产品质量的检测任务也变得更加艰巨。在生产芯片、电池、电路板等电子元器件的过程中，可能会产生磕碰、划伤、脏污等缺陷，这些缺陷在性能测试中经常不会表现出异常，但在实际使用过程中，电子元器件经常面临高负载工作或较恶劣的工作环境，这些缺陷极有可能影响元器件性能，甚至产生安全隐患。过去的几十年，工业生产流程有了极大的进步，但对产品外观的缺陷检测仍主要以人工检测的方式进行，这种方式不仅会因为个人主观因素而导致检测标准的不统一，还会因为长时间检测造成视觉疲劳，产生误判或漏判，且人工检测还需要消耗大量时间，浪费大量人力，检测效率低。
发明内容
[0003] 针对上述问题，本发明提供一种电子元器件质量检测系统。
[0004] 本发明的目的采用以下技术方案来实现：
[0005] 一种电子元器件质量检测系统，该系统包括：图像获取模块、图像筛选模块、电子元器件分类模块、图像处理模块和缺陷检测模块；
[0006] 所述图像获取模块，被配置为：获取待检测电子元器件的多张原始图像，并将其传输至所述图像筛选模块；
[0007] 所述图像筛选模块，被配置为：对接收到的多张原始图像进行质量评价，选取图像质量最佳的原始图像分别发送至所述电子元器件分类模块和图像处理模块；
[0008] 所述电子元器件分类模块，被配置为：从接收到的原始图像中提取所述待检测电子元器件的轮廓信息，并将其与预存储的各类型电子元器件的标准轮廓信息进行比对，确定所述待检测电子元器件所属的类型；
[0009] 所述图像处理模块，被配置为：对接收到的原始图像进行降噪处理，并从降噪后的原始图像中提取描述所述待检测电子元器件的特征数据；
[0010] 所述缺陷检测模块，被配置为：调取预存储的、与所述待检测电子元器件类型相应的缺陷数据，并根据调取的缺陷数据对已提取到的所述待检测电子元器件的特征数据进行识别，判断所述待检测电子元器件是否存在缺陷以及若存在缺陷时其对应的缺陷类型。
[0011] 优选地，该系统还包括：与所述电子元器件分类模块和缺陷检测模块通信连接的云服务器，所述云服务器中预存有各类型电子元器件的标准轮廓信息以及其对应的各类缺陷数据；
[0012] 所述云服务器还用于存储所述电子元器件分类模块的分类结果。
[0013] 优选地，该系统还包括与所述缺陷检测模块通信连接的终端设备，所述终端设备被配置为：用来接收所述缺陷检测模块的检测结果，以便于质检人员及时了解待检测电子元器件是否存在缺陷以及若存在缺陷时其对应的缺陷类型。
[0014] 优选地，所述的从接收到的原始图像中提取所述待检测电子元器件的轮廓信息，并将其与预存储的各类型电子元器件的标准轮廓信息进行比对，确定所述待检测电子元器件所属的类型，包括：
[0015] (1)对接收到的原始图像进行图像分割，去除背景图像，得到只包含待检测电子元器件的目标图像；
[0016] (2)将得到的目标图像进行归一化处理，以将其调整到预设的标准尺寸大小，并从中提取所述待检测电子元器件的轮廓信息，所述轮廓信息包括：待检测电子元件边缘点的曲率值；
[0017] (3)将提取到的所述待检测电子元器件的轮廓信息与预存储的各类型电子元器件的标准轮廓信息进行比对，确定待检测电子元器件所属的类型。
[0018] 优选地，所述的对接收到的原始图像进行图像分割，具体是：
[0019] (1)将接收到的原始图像进行灰度化处理，并将其划分为多个大小为S×T的图像块；
[0020] (2)对每个图像块进行阈值分割，其中，其图像块的阈值计算公式为：
[0021]
[0022] 当 该像素点为目标图像的像素点，反之，该像素点为背景图像的像素点；
[0023] 式中， 为第r1行第r2列的图像块的最优阈值，Th0为预设的全局分割阈值，为第r1行第r2列的图像块中第s行第t列处像素点的灰度值， 为第r1行第r2列的图像块的平均灰度值， 为第r1行第r2列的图像块的灰度值的方差，σ0为灰度化后的原始图像的灰度值的方差， 为第r1行第r2列的图像块的灰度值均值，u0为灰度化后的原始图像的灰度值均值，α、β为大于零的权重因子，其满足α+β＝1；
[0024] (3)获取所有目标图像的像素点，所述目标图像的像素点构成的集合即为目标图像。
[0025] 优选地，所述的图像获取模块为图像传感器，和/或，CCD摄像机。
[0026] 本发明的有益效果为：通过图像获取模块对待检测电子元器件的图像进行采集，通过图像筛选模块筛选出图像质量最佳的图像，并对其进行处理，通过处理后的图像获取待检测电子元器件的类型，根据确定好的类型调取云服务器中预存储该类型电子元器件的缺陷数据，进而实现对待检测电子元器件的缺陷检测，该系统更加方便快捷，无需将提取到的待检测电子元器件的特征数据与预存储的每一类型电子元器件的缺陷数据进行比对，大大缩减了缺陷检测的时间，提高了质量检测的效率，也减少了人工识别的错误。
附图说明
[0027] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0028] 图1是本发明实施例提供的一种电子元器件质量检测系统的框架结构图；
[0029] 图2是本发明实施例提供的图像处理模块4的框架结构图。
[0030] 附图标记：图像获取模块1，图像筛选模块2，电子元器件分类模块3，图像处理模块4，缺陷检测模块5，云服务器6，终端设备7，去噪单元41，特征提取单元42。
具体实施方式
[0031] 结合以下实施例对本发明作进一步描述。
[0032] 图1示出了一种电子元器件质量检测系统，该系统包括：图像获取模块1、图像筛选模块2、电子元器件分类模块3、图像处理模块4和缺陷检测模块5；
[0033] 所述图像获取模块1，被配置为：获取待检测电子元器件的多张原始图像，并将其传输至所述图像筛选模块2；
[0034] 所述图像筛选模块2，被配置为：对接收到的多张原始图像进行质量评价，选取图像质量最佳的原始图像分别发送至所述电子元器件分类模块3和图像处理模块4；
[0035] 所述电子元器件分类模块3，被配置为：从接收到的原始图像中提取所述待检测电子元器件的轮廓信息，并将其与预存储的各类型电子元器件的标准轮廓信息进行比对，确定所述待检测电子元器件所属的类型；
[0036] 所述图像处理模块4，被配置为：对接收到的原始图像进行降噪处理，并从降噪后的原始图像中提取描述所述待检测电子元器件的特征数据；
[0037] 所述缺陷检测模块5，被配置为：根据所述电子元器件分类模块3的分类结果，调取预存储的所述待检测电子元器件的缺陷数据，并根据调取的缺陷数据对已提取到的所述待检测电子元器件的特征数据进行识别，判断所述待检测电子元器件是否存在缺陷以及若存在缺陷时其对应的缺陷类型。具体地，缺陷检测模块5根据电子元器件分类模块3确定的待检测电子元器件的类型，从云服务器6中调取与该类型对应的所有可能存在的缺陷数据，将调取的缺陷数据和图像处理模块4提取到的待检测电子元器件的特征数据进行一一比对，进而确定所述待检测电子元器件是否存在缺陷以及若存在缺陷时其对应的缺陷类型。若则待检测电子元器件存在缺陷，且属于第u类缺陷，其中， 为第w类电子元器件的第d类缺陷数据的特征向量， 为待检测电子元器件的特征数据的特征向量，λ为预设的相似度因子。
[0038] 优选地，该系统还包括：与所述电子元器件分类模块3和缺陷检测模块5通信连接的云服务器6，所述云服务器6中预存有各类型电子元器件的标准轮廓信息以及其对应的各类缺陷数据；
[0039] 所述云服务器6还用于存储所述电子元器件分类模块的分类结果。
[0040] 优选地，该系统还包括与所述缺陷检测模块5通信连接的终端设备7，所述终端设备7被配置为：用来接收所述缺陷检测模块5的检测结果，以便于质检人员及时了解待检测电子元器件是否存在缺陷以及若存在缺陷时其对应的缺陷类型。
[0041] 优选地，所述的从接收到的原始图像中提取所述待检测电子元器件的轮廓信息，并将其与预存储的各类型电子元器件的标准轮廓信息进行比对，确定所述待检测电子元器件所属的类型，包括：
[0042] (1)对接收到的原始图像进行图像分割，去除背景图像，得到只包含待检测电子元器件的目标图像；
[0043] (2)将得到的目标图像进行归一化处理，以将其调整到预设的标准尺寸大小，并从中提取所述待检测电子元器件的轮廓信息，所述轮廓信息包括：待检测电子元件边缘点的曲率值；
[0044] (3)将提取到的所述待检测电子元器件的轮廓信息与预存储的各类型电子元器件的标准轮廓信息进行比对，确定待检测电子元器件所属的类型。
[0045] 优选地，所述的对接收到的原始图像进行图像分割，具体是：
[0046] (1)将接收到的原始图像进行灰度化处理，并将其划分为多个大小为S×T的图像块；
[0047] (2)对每个图像块进行阈值分割，其中，其图像块的阈值计算公式为：
[0048]
[0049] 当 该像素点为目标图像的像素点，反之，该像素点为背景图像的像素点；
[0050] 式中， 为第r1行第r2列的图像块的最优阈值，Th0为预设的全局分割阈值，为第r1行第r2列的图像块中第s行第t列处像素点的灰度值， 为第r1行第r2列的图像块的平均灰度值， 为第r1行第r2列的图像块的灰度值的方差，σ0为灰度化后的原始图像的灰度值的方差， 为第r1行第r2列的图像块的灰度值均值，u0为灰度化后的原始图像的灰度值均值，α、β为大于零的权重因子，其满足α+β＝1；
[0051] (3)获取所有目标图像的像素点，所述目标图像的像素点构成的集合即为目标图像。
[0052] 有益效果：将筛选得到的原始图像划分成多个图像块，并选择不同的阈值对各个图像块进行分割处理，该算法更加灵活，自适应强，且该阈值由图像块的灰度值和灰度化后的原始图像的灰度值和预设的全局分割阈值共同决定，该方法能够免受外界环境的干扰，如光照、遮挡、图像脏污等的干扰，有利于获取与电子元器件相关的图像区域，进而有利于获取完整的待检测电子元器件的边缘，便于后续对待检测电子元器件的所属类型进行准确识别。
[0053] 优选地，所述的图像获取模块为图像传感器，和/或，CCD摄像机。
[0054] 在一个可选的实施方式中，所述的对接收到的多张原始图像进行质量评价，具体是：
[0055] 分别对每一张原始图像进行质量评价，得到关于每一张原始图像的图像质量评分值，其图像质量评分值越高，代表该原始图像质量越好。
[0056] 以原始图像X为例，其质量评估包括：
[0057] (1)将原始图像X转换为灰度图像X’，并采用高斯模型的低通滤波器对所述灰度图像X’进行滤波，得到滤波后的图像，并将所述滤波后的图像作为参考图像Y；
[0058] (2)将所述灰度图像X’和参考图像Y分别划分成A×B大小的图像块，将所述灰度图像X’的图像块记为：xk(k＝1,2,...,K),将所述参考图像Y的图像块记为：yk(k＝1,2,...,K)，其中，K为图像块的个数；图像块xk的灰度值均值和标准方差的计算公式为：
[0059]
[0060]
[0061] 式中， 为图像块xk灰度值均值， 为图像块xk中坐标为(a,b)处像素点的灰度值， 为图像块xk的标准方差；同理计算所述灰度图像X’和参考图像Y中所有图像块的灰度值均值和标准方差；
[0062] (3)根据得到的所述灰度图像X’和参考图像Y中所有图像块的灰度值均值和标准方差，利用下式计算所述灰度图像X’的图像质量评分值：
[0063]
[0064] 式中，ρX'为所述灰度图像X’的图像质量评分值，其可用来表征原始图像X的图像质量评分值。
[0065] 有益效果：本优选实施例利用上述方法计算原始图像X的图像质量评分值，通过引入灰度图像X’和参考图像Y各个图像块的均值和标准方差，进而对原始图像X的图像质量进行评估，该质量评价方法从局部(图像块)出发，能够更清楚地显示各个图像块的图像质量的情况，进而完成对原始图像X的综合评价，本优选实施例能够较好地反映图像块内像素点灰度值变化的剧烈程度，进而能够有效的对原始图像X的图像质量进行评价。
[0066] 在一个可选的实施方式中，图像处理模块4包括去噪单元41和特征提取单元42；
[0067] 去噪单元41，被配置为：对接收到的原始图像进行降噪处理；
[0068] 特征提取单元42，被配置为：从降噪后的原始图像中提取描述待检测电子元器件的特征数据。
[0069] 在一个可选的实施方式中，所述的对接收到的原始图像进行降噪处理，包括：
[0070] (1)对接收到的原始图像进行灰度化处理，得到其对应的灰度化图像；
[0071] (2)选取一个大小为M×M的滑动窗口Ω，利用去噪函数计算所述滑动窗口Ω的中心像素点p(m,n)的去噪估计值，并将计算得到的去噪估计值替换所述灰度化图像中对应像素点的灰度值，得到去噪后的像素点p(m,n)的灰度值，其中，其去噪函数为：
[0072]
[0073]
[0074] 式中，Gp'(m,n)为中心像素点p(m,n)的去噪估计值，Gp(m,n)为所述灰度化图像中的中心像素点p(m,n)的灰度值，ωq(i,j)为像素点q(i,j)的加权系数，像素点q(i,j)指的是：所述滑动窗口Ω内，除去中心像素点p(m,n)以外的剩余像素点，Gq(i,j)为像素点q(i,2
j)的灰度值，||·|| 表示范数的平方， 为水平方向上像素点q(i,j)的灰度梯度值， 为垂直方向上像素点q(i,j)的灰度梯度值，ξ、δ为设定的固定参数，γ1、γ2为权重因子，其满足γ1+γ2＝1。
[0075] (3)遍历所述灰度化图像所有像素点，所有像素点去噪估计值构成的集合即为去噪后的原始图像。
[0076] 有益效果：在对筛选出的原始图像进行去噪时，通过步骤(2)对滑动窗口Ω内的中心像素点的去噪后的灰度值进行求解，该算法不仅考虑了中心像素点位置处的灰度值，同时还考虑其滑动窗口Ω内其他像素点对中心像素点去噪后的灰度值的影响，该过程能够自适应地滤除中心像素点的随机噪声，估算出相应像素点的去噪估计值来作为去噪后的该像素点的灰度值，且该去噪过程能够在保留图像细节信息的同时，可以有效地去除图像中的随机噪声，获取清晰度高的去噪后的原始图像，便于后续能够准确地提取待检测电子元器件的特征参数，进而对待检测电子元器件缺陷的准确识别。
[0077] 本发明的有益效果为：通过图像获取模块对待检测电子元器件的图像进行采集，通过图像筛选模块筛选出图像质量最佳的图像，并对其进行处理，通过处理后的图像获取待检测电子元器件的类型，根据确定好的类型调取云服务器中预存储该类型电子元器件的缺陷数据，进而实现对待检测电子元器件的缺陷检测，该系统更加方便快捷，无需将提取到的待检测电子元器件的特征数据与预存储的每一类型电子元器件的缺陷数据进行比对，大大缩减了缺陷检测的时间，提高了质量检测的效率，也减少了人工识别的错误。
[0078] 最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
